YOLOX и YOLOv9
Развитие компьютерного зрения определялось постоянным совершенствованием архитектур, которые сочетают вычислительную эффективность с высокой точностью. При оценке моделей обнаружения объектов в реальном времени сравнение YOLOX от Megvii и YOLOv9 от Academia Sinica показывает два разных подхода к разработке глубоких нейронных сетей. YOLOX популяризировала упрощённую безанкерную архитектуру, а YOLOv9 представила методы работы с градиентной информацией, позволяющие максимально сохранять информацию.
В этом техническом руководстве рассматриваются различия в архитектуре, результаты тестов производительности и оптимальные сценарии применения этих моделей, а также показано, почему платформа Ultralytics и модель YOLO26 — более подходящие варианты для развёртывания в производственной среде.
YOLOX: новаторская парадигма без anchor-боксов#
Выпущенная в середине 2021 года YOLOX стала важным шагом к сближению академических исследований и промышленного применения. Отказ от заранее заданных анкерных рамок значительно упростил настройку эвристик для пользовательских наборов данных.
- Авторы: Чжэн Гэ, Сунтао Лю, Фэн Ван, Цзэмин Ли и Цзянь Сунь
- Организация: Megvii
- Дата выпуска: 18 июля 2021 года
- Источник: Статья на arXiv
- Исходный код: репозиторий YOLOX на GitHub
- Документация: официальная документация YOLOX
Архитектурные инновации#
YOLOX внесла несколько важных изменений в стандартный конвейер обнаружения объектов. В ней реализована разделённая голова, в которой задачи классификации и регрессии разделены, что значительно уменьшило конфликт между распознаванием объекта и определением его границ. В YOLOX также используется SimOTA — стратегия динамического назначения меток, которая выделяет положительные примеры во время обучения, ускоряя сходимость и повышая общую производительность на стандартных тестовых наборах данных.
Сильные стороны и ограничения#
Главное преимущество YOLOX — упрощённая архитектура. Благодаря безанкерному механизму разработчики тратят меньше времени на кластеризацию для поиска оптимальных размеров анкеров под свои данные. Однако YOLOX — более старая архитектура, изначально созданная без современных усовершенствований в области self-attention и распространения градиента, поэтому по эффективности использования параметров она уступает более новым сетям. Кроме того, в едином API нет нативной поддержки таких сложных задач, как сегментация экземпляров и оценка позы.
YOLOv9: максимальное использование информации о градиентах#
В 2024 году YOLOv9 представила основанный на теории подход к решению проблемы информационного узкого места, свойственной глубоким свёрточным нейронным сетям.
- Авторы: Chien-Yao Wang и Hong-Yuan Mark Liao
- Организация: Институт информатики Академии Синика
- Дата выпуска: 21 февраля 2024 года
- Источник: Статья на arXiv
- Исходный код: репозиторий YOLOv9 на GitHub
- Документация: документация Ultralytics по YOLOv9
Архитектурные инновации#
Ключевая особенность YOLOv9 — программируемая градиентная информация (PGI), которая помогает сохранять важные семантические данные при их прохождении через множество слоёв сети. В сочетании с обобщённой сетью агрегации эффективных слоёв (GELAN) это обеспечивает YOLOv9 высокое соотношение точности к числу параметров. Благодаря этому модель сохраняет точные градиенты для обновления весов и остаётся эффективной даже в облегчённых вариантах.
Сильные стороны и ограничения#
YOLOv9 обеспечивает высокую точность модели, а высокие показатели mAP на COCO сделали её популярной среди исследователей. Однако, несмотря на эффективность, для постобработки YOLOv9 по-прежнему использует традиционное подавление немаксимумов (NMS), которое вносит переменную задержку во время инференса. Для инженеров, которые развёртывают ИИ на периферийных устройствах, обработка логики NMS усложняет конвейер развёртывания.
Традиционным моделям, таким как YOLOX и YOLOv9, требуется подавление немаксимумов (NMS) для фильтрации дублирующихся ограничивающих рамок. Этот этап по своей природе выполняется последовательно и часто создаёт узкое место на CPU, что подчёркивает необходимость в нативных сквозных архитектурах, используемых в новейших моделях Ultralytics.
Сравнение производительности#
Сравнение основных вычислительных показателей этих архитектур показывает, что YOLOv9 предлагает более современную базовую модель, а YOLOX остаётся лёгким вариантом для устаревших систем. Ниже приведено подробное сравнение их стандартных моделей.
| Модель | размер (пиксели) | mAPval50-95 | Скорость CPU ONNX (мс) | Скорость T4 TensorRT10 (мс) | параметры (M) | FLOPs (B) |
|---|---|---|---|---|---|---|
| YOLOXnano | 416 | 25.8 | - | - | 0.91 | 1.08 |
| YOLOXtiny | 416 | 32.8 | - | - | 5.06 | 6.45 |
| YOLOXs | 640 | 40.5 | - | 2.56 | 9.0 | 26.8 |
| YOLOXm | 640 | 46.9 | - | 5.43 | 25.3 | 73.8 |
| YOLOXl | 640 | 49.7 | - | 9.04 | 54.2 | 155.6 |
| YOLOXx | 640 | 51.1 | - | 16.1 | 99.1 | 281.9 |
| YOLOv9t | 640 | 38.3 | - | 2.3 | 2.0 | 7.7 |
| YOLOv9s | 640 | 46.8 | - | 3.54 | 7.2 | 26.7 |
| YOLOv9m | 640 | 51.4 | - | 6.43 | 20.1 | 76.8 |
| YOLOv9c | 640 | 53.0 | - | 7.16 | 25.5 | 102.8 |
| YOLOv9e | 640 | 55.6 | - | 16.77 | 58.1 | 192.5 |
Хотя YOLOv9 обеспечивает более высокую точность при сопоставимом количестве параметров, разработчикам, которым нужен оптимальный баланс скорости, точности и простоты использования, стоит обратить внимание на последние разработки Ultralytics.
Преимущества Ultralytics: знакомься с YOLO26#
Исторические модели, такие как YOLOX и YOLOv9, дают полезный контекст, но сейчас Ultralytics рекомендует Ultralytics YOLO26, выпущенную в январе 2026 года и переработанную для современных производственных сред.
Архитектурные инновации#
YOLO26 устраняет узкие места постобработки, характерные для предыдущих моделей, благодаря опциональной сквозной архитектуре без NMS (nms=False), которая упрощает развёртывание на разном оборудовании. YOLO26 также удаляет Distribution Focal Loss (DFL) для упрощения экспорта и использует оптимизатор MuSGD — гибрид стохастического градиентного спуска и Muon, обеспечивающий более стабильное обучение.
Для разработчиков, развёртывающих модели в средах с ограниченными ресурсами, например на Raspberry Pi, YOLO26n обеспечивает инференс на CPU до 43% быстрее, чем YOLO11n. В ней также появились ProgLoss + STAL (прогрессивная функция потерь и назначение меток с учётом малых объектов), улучшающие обнаружение небольших объектов, что критически важно для аэрофотосъёмки и анализа данных с дронов.
Упрощённая экосистема разработки#
В отличие от отдельных исследовательских репозиториев, экосистема Ultralytics упрощает работу разработчика. С помощью Python API Ultralytics инженеры могут значительно сократить объём шаблонного кода, а оптимизированное использование памяти позволяет обучать надёжные модели с меньшим объёмом видеопамяти GPU, чем архитектуры с интенсивным применением attention.
from ultralytics import YOLO
# Загрузить компактную модель YOLO26 без NMS с высокой степенью оптимизации
model = YOLO("yolo26s.pt")
# Обучить модель на пользовательском наборе данных с минимальными затратами памяти
results = model.train(data="coco8.yaml", epochs=100, imgsz=640)
# Легко экспортировать модель в оптимизированные форматы для развёртывания
model.export(format="engine", quantize=16) # Экспортируем в TensorRTПомимо обнаружения объектов, YOLO26 поддерживает множество задач в рамках одного фреймворка. Нужны ли тебе точные ориентированные ограничивающие рамки (OBB) для спутниковых снимков или детализированные попиксельные маски для анализа медицинских изображений — рабочий процесс остаётся неизменным. Командам, которые используют процессы предыдущего поколения, также доступна полностью поддерживаемая Ultralytics YOLO11.
Оптимальные сценарии применения и стратегии развёртывания#
Выбор подходящей архитектуры зависит от целевой среды развёртывания и требований проекта.
Периферийные вычисления и робототехника#
На устройствах с низким энергопотреблением модели, требующие интенсивной постобработки, могут работать хуже. YOLOX-Nano очень компактна, но её точности часто недостаточно для критически важных задач безопасности. Здесь лучше подойдёт YOLO26: её голова без DFL и опциональный инференс без NMS обеспечивают стабильную работу на потоках CPU, поэтому модель хорошо подходит для автономной робототехники или управления умной парковкой.
Академические бенчмарки#
Если цель — только анализировать распространение градиента и изучать узкие места глубоких сетей, YOLOv9 остаётся отличным объектом исследования. Фреймворк PGI помогает понять, как сохраняются признаки в слоях глубоких нейронных сетей, и потому полезен университетским исследователям, изучающим теорию свёрточных сетей.
Корпоративная видеоаналитика#
Для масштабной обработки видео, например в системах охранной сигнализации или при мониторинге дорожного движения, необходимы высокая скорость и гибкие возможности экспорта. Встроенные средства экспорта фреймворка Ultralytics позволяют командам одной командой компилировать YOLO26 непосредственно в TensorRT или OpenVINO, сокращая время вывода продукта на рынок.
Экосистема Ultralytics позволяет командам машинного обучения не разбираться в сложных исследовательских кодовых базах, а сразу сосредоточиться на создании масштабируемых ИИ-приложений для реальных задач.
Комментарии
Задай вопрос, поделись результатами или помоги кому-нибудь.